基于强化学习的5G网络切片虚拟网络功能迁移算法

• 作者: 周钰 唐伦 谭颀 陈前斌 魏延南
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 5G网络切片 虚拟网络功能迁移 强化学习 资源分配
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 论文
• 页码范围: 669-677
• 页数: 9页
• 分类号: TN929.5
• 字数: 6530字
• 语种: 中文
• DOI: 10.11999/JEIT190290

摘要

针对5G网络切片架构下业务请求动态性引起的虚拟网络功能(VNF)迁移优化问题,该文首先建立基于受限马尔可夫决策过程(CMDP)的随机优化模型以实现多类型服务功能链(SFC)的动态部署,该模型以最小化通用服务器平均运行能耗为目标,同时受限于各切片平均时延约束以及平均缓存、带宽资源消耗约束.其次,为了克服优化模型中难以准确掌握系统状态转移概率及状态空间过大的问题,该文提出了一种基于强化学习框架的VNF智能迁移学习算法,该算法通过卷积神经网络(CNN)来近似行为值函数,从而在每个离散的时隙内根据当前系统状态为每个网络切片制定合适的VNF迁移策略及CPU资源分配方案.仿真结果表明,所提算法在有效地满足各切片QoS需求的同时,降低了基础设施的平均能耗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈前斌	重庆邮电大学通信与信息工程学院	321	2153	22.0	32.0
2	唐伦	重庆邮电大学通信与信息工程学院	165	904	14.0	22.0
3	魏延南	重庆邮电大学移动通信重点实验室	5	4	1.0	2.0
4	周钰	重庆邮电大学移动通信重点实验室	3	4	2.0	2.0
5	谭颀	重庆邮电大学通信与信息工程学院	3	0	0.0	0.0